基于变分水平集的医学图像分割方法分析-控制科学与工程专业论文.docxVIP

华 华 中 科 技 大 学 硕 士 学 位 论 文 PAGE 10 PAGE 10 1 绪 论 1.1 研究背景和意义 图像分割技术是图像处理的重要组成部分。它是人们对目标物体进行定位（或 者追踪）的前提，是人们对图像进行更高层次分析或研究的不可替代的基础[1]。随着 现代科学技术的快速发展，医学成像技术得到了很大程度上的提高，并且广泛应用 于各类临床病例研究中，正逐步发挥其重要作用。传统的医学图像的作用只是为医 师对患者的病变组织提供详细的观察研究，而现在，医师能利用现代医学成像技术 对患者的病变组织进行精确的定位、扫描和分析，进而为诊断方案提供准确的参考 数据。 医学图像分割技术是进行医学图像的配准、立体仿真重建和人工智能辅助诊断 等一系列活动的基础，在医学领域中具有重要而且深远的意义：（1）它能够提取病 变器官组织的特性（形态学的，病理上的）参数，医师能够在特性参数的基础上建 立详尽的数据库。（2）它能够对病变组织进行精确定位、分割，进行立体仿真重建， 为各种手术方案锁定病变目标。（3）它能够在保存医学图像重要信息的基础下，实 现最大的数据压缩比，在图像的保存和远程传输中具有深远作用。 1.2 医学图像分割中的难点 对比于传统的图像，医学图像有许多特殊性：（1）器官的不均匀性，组织的蠕 动，人体磁场的干扰等。（2）成像原理繁多，成像设备的局限性。（3）局部体效应， 病变组织破坏图像的完备性。由于以上种种原因，人们常常得到各种退化的图像， 因此，医学图像的分割面临着较大的困难。比如：在CT图像中，局部体效应和病变 组织等的影响导致得到的医学图像中目标物体的边界模糊，因此，人们对该类图像 分割时，对分割精度有较高的要求；同样的，信噪比较低的超声图像对分割技术的 抗噪性有较高的要求。 传统的图像分割方法具有局限性，较差的扩展性，难以很好的分割医学图像。 因此，人们迫切希望找到一种全新的图像分割方式来推动图像分割技术的革新。 1.3 水平集方法在医学图像分割中的应用 随着人们对水平集理论的深入研究，各种基于水平集的曲线演化模型已经广泛 应用于图像分割和运动目标的定位追踪等领域。基于变分水平集方法的几何活动轮 廓模型在运行时间、迭代次数、分割精度、鲁棒性、稳定性和抗噪性上有着不可比 拟的优势，而且，它能够轻松的处理曲线拓扑结构的变化，因此，在医学图像分割 中得到了广泛的应用。 曲线的水平集演化方法的基本原理[4]：将沿单位法矢演化的平面闭合曲线表达为 三维空间曲面ψ 的零水平集函数 {ψ = 0}，其中ψ 称作水平集函数，最终求得的零水 平集函数即是演化曲线的隐式表达式。因为水平集函数ψ 在曲线的整个演化过程中 总是保持连续，因此，该方法能轻松的处理曲线拓扑结构的变化。 曲线的水平集演化有如下优点： （1）水平集函数ψ (x, y, t )在曲线的演化速度函数V (C )保持光滑的条件下保持连 续，因此，当曲线 C 在演化时如果发生拓扑结构的变化，仍然能够使用该方法。 （2）容易计算曲线的单位法向量和曲率等参数。 （3）容易扩展到高维医学图像的分割技术中。 1.4 本文工作及内容安排 通过结合基于图像边缘信息与基于图像区域信息图像分割模型的优点，本文提 出了一种基于图像边缘信息的全局最优几何活动轮廓模型，它具有迭代次数少，消 耗时间少，分割效果好等优点，值得笔者深入研究。 本文的研究内容如下安排： 第一章 绪论。介绍了医学图像分割的意义，以及现阶段所面临的困难，并简要 介绍了水平集在医学图像分割中的应用。 第二章 曲线演化理论中的水平集方法。首先，简要介绍了曲线演化理论知识； 其次，重点分析了曲线的水平集演化方法，以及符号表和距离函数的构造；最后， 简述曲线演化理论中的水平集数值方法。 第三章 几何活动轮廓模型。首先简要介绍了活动轮廓模型的分类，然后分别介 绍了基于图像边缘信息和基于图像区域信息的几何活动轮廓模型，并针对各种模型 的典型例子做了大量图像分割实验，并分析了实验结果。 第四章 基于图像边缘信息的几何活动轮廓分割模型。本章提出了一种将图像边 缘信息和区域信息结合的新的变分水平集模型，并通过实验证明其在图像分割方面 的优点。 第五章 全文总结与展望。 2 曲线演化理论中的水平集方法 2.1 曲线演化理论 NNN在微分几何学中，曲线的单位法矢 r 表示其方向，曲率 k 表示曲线的弯曲程度。 通过单位法矢 r 和曲率 k ，我们可以表达曲线的几何特性。曲线演化理论在数学上 的表述是通过曲线的单位法矢 r 和曲率 k 等参数表示曲线随时间的连续变化过程。 N N N NN设平面的闭合演化曲线为 C(p, t ) = [x(p, t ), y(p, t )]，（其中： p 为变量参数， t 为 时间参数），该演化曲线